如何将两列数组转换为具有出现次数的矩阵？

Posted 2023-02-16

【中文标题】如何将两列数组转换为具有出现次数的矩阵？

【英文标题】：How can I convert a two column array to a matrix with counts of occurences?

【发布时间】：2021-02-04 10:39:59

【问题描述】：

我有以下 numpy 数组：

import numpy as np

pair_array = np.array([(205, 254), (205, 382), (254, 382), (18, 69), (205, 382), 
                       (31, 183), (31, 267), (31, 382), (183, 267), (183, 382)])

print(pair_array)

#[[205 254]
# [205 382]
# [254 382]
# [ 18  69]
# [205 382]
# [ 31 183]
# [ 31 267]
# [ 31 382]
# [183 267]
# [183 382]]

有没有办法将此数组转换为包含所有可能组合的出现次数的对称熊猫数据框？ 我期待这样的事情：

#     18  31  69 183 205 254 267 382 
#  18  0   0   1   0   0   0   0   0
#  31  0   0   0   1   0   0   1   1
#  69  1   0   0   0   0   0   0   0
# 183  0   1   0   0   0   0   1   1
# 205  0   0   0   0   0   1   0   2
# 254  0   0   0   0   1   0   0   1
# 267  0   1   0   1   0   0   0   0
# 382  0   1   0   1   2   1   0   0

【参考方案1】：

如果您可以将 pandas 添加为依赖项，则可以使用此实现

>>> import pandas as pd
>>> df = pd.DataFrame(pair_array)
>>> pd.crosstab(df[0], df[1])
1    69   183  254  267  382
0
18     1    0    0    0    0
31     0    1    0    1    1
183    0    0    0    1    1
205    0    0    1    0    2
254    0    0    0    0    1

【参考方案2】：

一种方法是使用NetworkX 构建图形，并使用nx.to_pandas_adjacency 直接获取邻接矩阵作为数据框。为了说明图中边的共现，我们可以创建一个nx.MultiGraph，它允许多条边连接同一对节点：

import networkx as nx

G = nx.from_edgelist(pair_array, create_using=nx.MultiGraph)
nx.to_pandas_adjacency(G, nodelist=sorted(G.nodes()), dtype='int')

      18   31   69   183  205  254  267  382
18     0    0    1    0    0    0    0    0
31     0    0    0    1    0    0    1    1
69     1    0    0    0    0    0    0    0
183    0    1    0    0    0    0    1    1
205    0    0    0    0    0    1    0    2
254    0    0    0    0    1    0    0    1
267    0    1    0    1    0    0    0    0
382    0    1    0    1    2    1    0    0

构建NetworkX 图，还可以根据我们期望的行为创建邻接矩阵或其他矩阵。我们可以使用以下命令创建它：

nx.Graph：如果我们想将 (x,y) 和 (y,x) 两个条目都设置为 1，则为 (x,y)（或 (y,x)）边。因此，这将产生一个对称的邻接矩阵 nx.DiGraph：如果(x,y) 应该只将(x,y) 条目设置为1 nx.MultiGraph：与 nx.Graph 的行为相同，但考虑了边缘共现 nx.MultiDiGraph：与 nx.DiGraph 的行为相同，但也考虑了边缘共现

【讨论】：

我完全忘记了networkX，谢谢！ @Quang Hong，MultiGraph 让我得到了想要的结果，谢谢你们！

【参考方案3】：

一种方法是将pair_array 与pair_array 在轴1 处反转，这可以使用[::-1] 完成。并追加使用np.vstack/np.r_/np.concatenate。

现在使用pd.crosstab 执行交叉制表。

all_vals = np.r_[pair_array, pair_array[:, ::-1]]
pd.crosstab(all_vals[:, 0], all_vals[:, 1])

col_0  18   31   69   183  205  254  267  382
row_0                                        
18       0    0    1    0    0    0    0    0
31       0    0    0    1    0    0    1    1
69       1    0    0    0    0    0    0    0
183      0    1    0    0    0    0    1    1
205      0    0    0    0    0    1    0    2
254      0    0    0    0    1    0    0    1
267      0    1    0    1    0    0    0    0
382      0    1    0    1    2    1    0    0

正如@QuangHoang 指出的那样，当相同的对出现不止一次时，即[(18, 18), (18, 18), ...]，然后使用

rev = pair_array[:, ::-1]
m = (pair_array == rev)
rev = rev[~np.all(m, axis=1)]
all_vals = np.r_[pair_arr, rev]

【讨论】：

这与我的回答类似，但 reindex 并没有做我们真正需要的。

@QuangHoang 编辑了答案。只需在轴 1 反转时附加相同的pair_array：p

如果有相同的对，可能会给出错误的输出，例如(18,18).

@QuangHoang 是的，公平点，np.unique 在轴 0 上会解决它吗？

np.unique 是错误的 - 目标是 count 次出现，np.unique 会丢弃输入中实际存在的任何重复项，将它们排除在计数之外。

【参考方案4】：

您可以预先创建一个带有零的适当大小的数据框，然后通过循环对来增加适当的单元格：

import numpy as np
import pandas as pd

pair_array = np.array([(205, 254), (205, 382), (254, 382), (18, 69), (205, 382),
                       (31, 183), (31, 267), (31, 82), (183, 267), (183, 382)])

vals = sorted(set(pair_array.flatten()))
n = len(vals)

df = pd.DataFrame(np.zeros((n, n), dtype=np.int), columns=vals, index=vals)

for r, c in pair_array:
    df.at[r, c] += 1
    df.at[c, r] += 1

print(df)

输出：

     18   31   69   82   183  205  254  267  382
18     0    0    1    0    0    0    0    0    0
31     0    0    0    1    1    0    0    1    0
69     1    0    0    0    0    0    0    0    0
82     0    1    0    0    0    0    0    0    0
183    0    1    0    0    0    0    0    1    1
205    0    0    0    0    0    0    1    0    2
254    0    0    0    0    0    1    0    0    1
267    0    1    0    0    1    0    0    0    0
382    0    0    0    0    1    2    1    0    0

【参考方案5】：

这是crosstab：

pd.crosstab(pair_array[:,0], pair_array[:,1])

输出：

col_0  69   82   183  254  267  382
row_0                              
18       1    0    0    0    0    0
31       0    1    1    0    1    0
183      0    0    0    0    1    1
205      0    0    0    1    0    2
254      0    0    0    0    0    1

【讨论】：

这似乎与 OP 的预期输出不符。